آموزش انیمیشن: بکار گیری هوش مصنوعی در انیمیشن

 

دنیای انیمیشن بسیار وسیع و بی نهایت است که شگفتی های بی شماری در آن یافت می شود. هر چیزی که در رسانه های لایو اکشن امکان پذیر باشد، می تواند به انیمیشن نیز ترجمه شود. چیزهایی که هرگز در لایو اکشن کاربرد ندارند، هنگام کار با انیمیشن به طرز شگفت انگیزی خوب کار می کنند. به نظر می رسد این تکنیک واقعاً هیچ محدودیتی ندارد.

تنها یک نقطه ضعف وجود دارد و آن این که تولید انیمیشن آسان نیست. اگر تا به حال سعی کرده اید هر چیزی را متحرک کنید، می دانید که حتی ساده ترین حرکات نیز نیازمند تلاش و زمان شگفت انگیزی است.

به همین دلیل، مردم همیشه به دنبال راه‌ هایی برای ساده‌ سازی فرآیند ساخت انیمیشن، برای سریع‌ تر و کارآمد تر کردن آن بوده ‌اند اما نه با فدا کردن کیفیت و هنر. در زمان‌ های قدیم، این بیشتر از طریق انواع مختلف روتوسکوپی به دست می‌ آمد. اساساً با استفاده از فیلم ‌های لایو اکشن به عنوان پایه‌ ای برای نقاشی ‌ها. اما انیمیشن‌ های مدرن بیشتر بر روی رایانه انجام می‌ شوند. بنابراین منطقی است که رایانه ها نیز ابزاری برای بهتر کردن زندگی انیماتورها شدند.


از این گذشته، رایانه‌ ها به این دلیل شناخته می‌شوند که می ‌توانند چیزهایی را بسازند که به خوبی برای بیننده جادویی به نظر برسد. در واقع، زمانی افسانه ای وجود داشت که برخی از کارتون ‌ها با تغذیه کامپیوتری با تعدادی طرح و فیلمنامه ساخته می ‌شوند و بقیه کارها را ماشین انجام می ‌دهد.

این شایعه بدیهی است که نمی ‌توانست در آن روزگار حقیقت داشته باشد زیرا کامپیوترهای آن زمان به اندازه کافی قدرتمند نبودند که بتوانند چیزی شبیه به این را انجام دهند.

اما با ادامه پیشرفت فناوری، افق ‌های جدیدی در مقابل ما گشوده می ‌شود. افزایش چشمگیر قدرت محاسباتی به این معنی است که روش‌ ها و الگوریتم ‌هایی که قبلاً قابل اجرا نبودند، اکنون می ‌توانند مورد استفاده قرار گیرند. چیزهایی که سال ها پیش برای ما امکان پذیر نبود امروز به واقعیت تبدیل می شوند.

منظره ای زیبا که به طور کامل توسط کامپیوتر ایجاد شده، این گونه است که سیستم هزاران منظره ی از قبل موجود - عکس یا نقاشی - را از نظر می گذراند تا نحوه ساخت آن ها را مشخص کند و سپس می تواند مناظر خود را بسازد.

چیزهایی از این دست به عنوان هوش مصنوعی شناخته شدند. امروزه، این مرز علم کامپیوتر است و اکتشافات انجام شده در این مرز به طور گسترده برای همه اهداف مورد استفاده قرار می گیرند: علمی، فنی، هنری - که مورد آخر برای ما جالب تر است.

در این مقاله، ما به این موضوع خواهیم پرداخت که چگونه می‌ توان هوش مصنوعی را برای کارهای مختلفی که انیماتور و به ‌ویژه انیماتور سه بعدی می ‌تواند با آن روبرو شود، به کار برد.

متحرک سازی جمعیت با هوش مصنوعی


شبیه سازی جمعیت

از نظر تاریخی، یکی از اولین موارد استفاده از هوش مصنوعی برای انجام کارهای انیمیشن، شبیه سازی جمعیت بود.

متحرک سازی جمعیت همیشه دشوار بود. کپی کردن انیمیشن به راحتی به ماهیت مصنوعی چنین «جمعیتی» خیانت می کند، در حالی که انیمیشن کردن هر یک از اعضا به صورت جداگانه نیازمند تلاش بسیار زیادی است.

در آن زمان جمعیت این گونه متحرک می شدند. این روش به اندازه کافی خوب کار می کند اگر جمعیت از چند ربات یا مانند آن تشکیل شده باشد، اما به سختی برای موجودات زنده مناسب است.

با گذشت زمان، ذهن‌های باهوش، راهی برای دور زدن این مشکل با استفاده از سیستمی مشابه آن چه در بسیاری از موتورهای بازی استفاده می‌ شود، ابداع کردند.

در آن جا، انبوهی از کاراکترها  که اغلب به آن ها 'عوامل' گفته می شود تشکیل شده است که برای انجام کارهای مختلف مانند حرکت یا تعامل با یکدیگر برنامه ریزی شده اند. به این ترتیب، انیماتور می‌ تواند صدها، حتی هزاران شخصیت را زنده کند که هر یک از این شخصیت ‌ها مانند دیگران عمل می ‌کنند، اما دقیقاً یکسان نیستند. این تنوع که دستیابی به آن بسیار دشوار است، چیزی است که جمعیت را زنده می کند.

اولین فیلمی که این کار را انجام داد ارباب حلقه ها (2001 - 2003) بود. امروزه، این تکنیک به خوبی توسعه یافته و پرکاربرد است که به دلیل تولید نتایج چشمگیر شناخته شده است. بسیاری از راه‌ حل‌ های نرم ‌افزار سه بعدی مدرن شامل انواع این تکنیک هستند.

با پیشرفت فناوری، بسیاری از راه‌ حل‌ها و رویکردهای جدید یا از پایه توسعه یافتند یا برای استفاده با تجهیزات مدرن قابل استفاده بودند. در حال حاضر، خود کلمه 'هوش مصنوعی' چندان برای فناوری خاص نامگذاری نمی ‌شوند، بلکه اصطلاحی جامع برای انواع سیستم‌ ها و تکنیک‌ ها هستند و به راحتی برجسته ترین این تکنیک ها یادگیری ماشینی است.

این روش با گرفتن تعداد زیادی نمونه اعم از تصاویر، داده‌ های انیمیشن یا هر چیز دیگری و استفاده از شبکه ‌های عصبی برای تجزیه و تحلیل این نمونه‌ ها و یافتن وجه اشتراک آن ها عمل می‌کند. مجموعه ‌ای از 'قوانین' که برای آن ها رایج است. اطلاعات این فرآیند به عنوان طراحی شناخته می شود. کند است، محاسبات فشرده است و نیاز به اطلاعات زیادی دارد که از قبل به روشی خاص آماده شده باشد اما فقط یک بار باید انجام شود. و وقتی کامل شد می‌تواند از قوانینی که ابداع کرده برای تولید داده‌ های خودش استفاده کند.

شبکه های عصبی به طور گسترده در زمینه های مختلف گرافیک کامپیوتری از جمله انیمیشن های سه بعدی استفاده می شوند و یکی از نمونه ها مطابق با حرکت است.

تطبیق حرکت با هوش مصنوعی


تطبیق حرکت 

تطبیق حرکت به روشی هوشمندانه برای خودکارسازی جزئی انیمیشن شخصیت ها اشاره دارد. اساساً چنین سیستمی مجموعه بزرگی از انیمیشن ‌های مختلف (دست‌ساز یا ضبط شده) و داده‌ های ورودی کاراکتر مانند سرعت و جهت، نوع زمین، اشیاء در صحنه، ورودی کاربر و غیره را می‌ گیرد. سپس سیستم، این داده های ورودی را تجزیه و تحلیل می کند تا مشخص کند کدام کلیپ انیمیشن به بهترین وجه با شرایط فعلی سازگار است.

این فرآیند به طور مداوم و اغلب چندین بار در یک ثانیه تکرار می شود. انیمیشن ‌هایی که انتخاب می‌ کند با هم ترکیب شده و هموار می ‌شوند تا یک حرکت یکپارچه و پیوسته ایجاد کنند.

چنین رویکردی بسیاری از کارهای دستی را از روند انیمیشن سازی حذف می‌ کند و به‌ عنوان نتیجه‌ ای زیبا شناخته می‌ شود. اما مجموعه ای از مشکلات خاص خود را نیز دارد. عملکرد آن تا حدودی سنگین است و ذخیره تمام این انیمیشن ها به حافظه زیادی نیاز دارد.

برای مبارزه با این کاستی ها، گونه ای از این تکنیک اختراع شد. به روشی مشابه کار می کند، اما از کتابخانه انیمیشن استفاده نمی کند. حداقل نه در زمان اجرا. این کتابخانه در عوض برای طراحی شبکه عصبی برای تولید پوزها و انیمیشن های مناسب داده های ورودی استفاده می شود و این شبکه است که در نهایت در خود برنامه مورد استفاده قرار می گیرد.

این رویکرد به طور قابل توجهی استفاده از حافظه را کاهش می دهد و همچنین تاثیر زیادی بر عملکرد دارد. علاوه بر این، هنگامی که به درستی تنظیم شود، انیمیشن های تولید شده توسط آن تقریباً مشابه انیمیشن های موجود در کتابخانه هستند.

این قدرت یادگیری ماشینی است. در حالی که این در واقع دستاوردی چشمگیر است، این رویکرد همچنان بر مجموعه های از پیش تعریف شده انیمیشن ها متکی است. که این سوال را ایجاد می کند: آیا راهی برای استفاده از هوش مصنوعی برای ایجاد انیمیشن یا حداقل برای ساده کردن این فرآیند وجود دارد؟


در طول سال ها، تلاش های زیادی برای انجام این کار صورت گرفت. یکی از رویکردها استفاده از هوش مصنوعی برای «کپی کردن» ژست‌ ها از یک مرجع و اعمال آن ها بر روی کاراکتر سه بعدی است. به نوعی، این نوع مدرن از تکنیک روتوسکوپی قدیمی است که به طور گسترده در انیمیشن استفاده می شود، اما فرآیند خسته کننده و زمان بر است و هیچ کس نمی خواهد این کار را انجام دهد

کلیپ استودیو پینت با هوش مصنوعی


کلیپ استودیو پینت

کلیپ استودیو پینت، نرم افزار نقاشی شناخته شده، دارای قابلیت تبدیل ژست از عکس به مرجعی برای طراحی است.

این ویژگی نسبتا جدید است، اما در حال حاضر در تولید استفاده می شود. انواع آن را می ‌توان در برخی از راه‌ حل‌ های نرم ‌افزار نقاشی دو بعدی یافت جایی که برای طراحی و ترکیب ‌بندی ساختمان استفاده می ‌شود و چندین پیاده‌ سازی برای انیمیشن‌های سه بعدی نیز وجود دارد. این نرم افزار محدودیت‌ های خود را دارد به عنوان مثال، به نظر نمی ‌رسد که قادر به مدیریت چند شخصیت در یک زمان باشد  اما ابزار قدرتمندی است که می ‌تواند زمان صرف شده برای تنظیم ژست‌ ها و حرکات شخصیت ‌هایتان را تا حد زیادی کاهش دهد .


به روشی مشابه، راه حل  رادیکال از دنباله های ویدئویی برای تولید انیمیشن های سه بعدی استفاده می کند.

رویکرد متفاوت و پیچیده تر، استفاده از هوش مصنوعی برای تولید انیمیشن از ابتدا خواهد بود. این تکنیک یکی از راه هایی است که می توان از هوش مصنوعی برای تولید انیمیشن واقعی، بدون استفاده از منابع استفاده کرد.

در این جا، سیستم هوش مصنوعی برای 'طراحی' شخصیت سه بعدی برای انجام حرکات مختلف استفاده می شود. پس از اتمام طراحی، شخصیت می‌ تواند این حرکات را به روش ‌های مختلف ترکیب کند تا حرکت کند، با اشیاء تعامل داشته باشد و به طور کلی وظایفی را که انیماتور برای آن ها تعیین می ‌کند، انجام دهد.

این شبیه به کنترل شخصیت بازی ویدیویی است. فقط این شخصیت به دستورات کاربر به روشی بسیار پیچیده ‌تر و ظریف ‌تر واکنش نشان می ‌دهد.

اما در حالی که تولید انیمیشن مطمئناً دستاوردی چشمگیر است، ابزاری مانند این ممکن است چیزی نباشد که یک انیماتور ترجیح می دهد در جریان کارش از آن استفاده کند.


فرآیند انیمیشن کلاسیک مبتنی بر کنترل کامل بر شخصیت است. رویکردی که واقعاً با شخصیت ‌های مذکور که تصمیم ‌گیری می‌ کنند، حتی در چارچوب اهداف تعریف ‌شده توسط کاربر، سازگار نیست.

از سوی دیگر، تصمیمات گفته شده گاهی اوقات نتایج غیرمنتظره جالبی را به همراه دارند و ابزارهای مبتنی بر هوش مصنوعی راه بسیار خوبی برای رهایی از کار تردمیل هستند که تا به امروز روند انیمیشن را سخت می کند.

بنابراین این سوال مطرح می شود: آیا راهی برای داشتن بهترین های هر دو روش وجود دارد؟ آیا می ‌تواند ابزار انیمیشنی وجود داشته باشد که کنترل مستقیم کاراکتر بدهد، در حالی که از هوش مصنوعی برای خودکار کردن تمام کارهای ثانویه ‌ای که به طور سنتی انتظار می‌ رود به صورت دستی انجام دهید، استفاده کنید؟

پاسخ این خواهد بود: به نوعی.

نرم افزار پویانمایی نکی کَسکِیدور با هوش مصنوعی


نرم افزار پویانمایی نکی کَسکِیدور

نرم افزار پویانمایی نکی کَسکِیدور دارای ویژگی مشابهی است.

مانند تمام مثال های قبلی، این راه حل از شبکه عصبی طراحی شده با داده های صدها کلیپ انیمیشن کوتاه استفاده می کند. با این حال، تفاوت این است که این بار هوش مصنوعی همراه با ورودی کاربر استفاده می شود.

شخصیت در این جا به چندین نقطه به قسمت های مختلف بدن متصل است. هنگامی که کاربر یکی از این نقاط را حرکت می دهد، قسمتی از بدن مربوطه نیز همراه با آن حرکت می کند. اما این همه چیز نیست. سیستم سعی می کند پیش بینی کند که کاربر کدام حالت را هدف قرار می دهد و بر این اساس بقیه بدن را حرکت می دهد. چنین رویکردی همه مشکلات را حل نمی کند. کیفیت ژست های تولید شده توسط این ابزار گاهی اوقات ممکن است ناهموار باشد و مواقع دیگر ممکن است نرم افزار حالتی کاملاً متفاوت با آن چه شما در ذهن دارید پیشنهاد کند. البته، هیچ راهی برای دانستن این که دقیقاً چه چیزی را در ذهن دارید، ندارد. اما حتی با این حال، تنظیم پوزهای پیچیده را نسبت به ابزارهای سنتی تر کمی آسان تر می کند. استفاده از اتوپوزینگ راهی عالی برای تنظیم سریع پیش نویس اولیه برای انیمیشن است.

ویژگی اتوپوزینگ در کسکیدور می ‌تواند به سرعت ژست‌های بسیار متنوعی ایجاد کند که بعداً می ‌توان از آن ها برای چیدمان انیمیشن استفاده کرد.


موارد دیگری نیز وجود دارد که ارزش صحبت کردن در مورد آن ها را دارند.

فناوری‌ های هوش مصنوعی به سرعت در حال رشد هستند و این بدان معناست که راه‌ حل‌ های موجود همچنان بهبود خواهند یافت و مطمئناً اکتشافات جدیدی وجود خواهد داشت.

اما سرنوشت این اکتشافات چه خواهد شد، فقط زمان مشخص خواهد کرد. شاید ابزارهای پویانمایی کاملاً خودکار وجود داشته باشد که در نهایت آن افسانه قدیمی را زنده کند یا شاید تمرکز از ابزارهای مبتنی بر هوش مصنوعی به ابزارهایی با کمک هوش مصنوعی تغییر کند که کار انیماتور را آسان‌ تر و راحت ‌تر می ‌کنند.

با این حال، آن چه مشخص است این است که این زمینه روز به روز به رشد خود ادامه می ‌دهد، فناوری‌ها به جلو خواهند رفت و حتی ابزارها و تکنیک ‌های جدید بیشتری برای بهینه‌ سازی بیشتر روند چالش برانگیز ساخت انیمیشن‌های زیبا به دست خواهند آمد.


برگردان به فارسی: سولماز همدانی

کاری از تیم تولید محتوای مجتمع فنی تهران نمایندگی ونک

برای دیدن دوره های ساخت انیمیشن کلیک کنید